@inproceedings{francois-2009-modeles,
    title = "Mod{\`e}les statistiques pour l`estimation automatique de la difficult{\'e} de textes de {FLE}",
    author = "Fran{\c{c}}ois, Thomas",
    editor = "Mondary, Thibault  and
      Bossard, Aur{\'e}lien  and
      Hamon, Thierry",
    booktitle = "Actes de la 16{\`e}me conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. REncontres jeunes Chercheurs en Informatique pour le Traitement Automatique des Langues",
    month = jun,
    year = "2009",
    address = "Senlis, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2009.jeptalnrecital-recital.7/",
    pages = "61--70",
    language = "fra",
    abstract = "La lecture constitue l`une des t{\^a}ches essentielles dans l`apprentissage d`une langue {\'e}trang{\`e}re. Toutefois, la d{\'e}couverte d`un texte portant sur un sujet pr{\'e}cis et qui soit adapt{\'e} au niveau de chaque apprenant est consommatrice de temps et pourrait {\^e}tre automatis{\'e}e. Des exp{\'e}riences montrent que, pour l`anglais, l`utilisation de classifieurs statistiques permet d`estimer automatiquement la difficult{\'e} d`un texte. Dans cet article, nous proposons une m{\'e}thodologie originale comparant, pour le fran{\c{c}}ais langue {\'e}trang{\`e}re (FLE), diverses techniques de classification (la r{\'e}gression logistique, le bagging et le boosting) sur deux corpus d`entra{\^i}nement. Il ressort de cette analyse comparative une l{\'e}g{\`e}re sup{\'e}riorit{\'e} de la r{\'e}gression logistique multinomiale."
}